如何使用 ffmpeg 串接多個影片

最近同事在用 Premiere 串接影片時
表示輸出很花時間
因為 Premiere 會重新編碼

以這個案例來說
其實可以使用 ffmpeg 來達成
因為是相同格式的影片，不用重新編碼
咻一下～就轉完了～

下面介紹兩種串接方法
一種是串接相同的編碼格式
另一種是串接不同的編碼格式

相同編碼格式

Concat demuxer

1. 在你放影片的資料夾，新建一個文字檔
2. 檔案裡寫上要串接的檔名，開頭加上 file

   file "file1.mp4"
   file "file2.mp4"
   file "file3.mp4"
   ...以此類推

3. 將檔名儲存為 list.txt
4. 在此資料夾開啟 CMD，執行以下指令

   ffmpeg -f concat -i list.txt -y -c copy output.mp4

Non-monotonous DTS

如果在轉檔的過程中，出現以下 log
那影片就可能會出現影音不同步的情況
需要改用 重新編碼 的方式串接

Non-monotonous DTS in output stream 0:1; previous: XXXX, current: XXXX; changing to XXXX. This may result in incorrect timestamps in the output file.

不同編碼格式

Concat filter

假設要串接三個檔案的指令如下:

ffmpeg -i file.mp4 -i file2.webm -i file3.mov^
-filter_complex "[0:0][0:1][1:0][1:1][2:0][2:1]concat=n=3:v=1:a=1[outv][outa]"^
-map "[outv]" -map "[outa]" output.mkv

解釋一下指令意思

• 第一行: 三個來源檔的檔名
• 第二行:
  • 把 [0:0][0:1][1:0][1:1][2:0][2:1] 映射到 [outv] [outa]
  • concat=n=3: 串接 3 個檔案
  • v=1: 輸出 1 個 video stream
  • a=1: 輸出 1 個 audio stream
• 第三行: 把 [outv] 和 [outa] 映射到 output.mkv

這些 [0:0] 或 [1:1] 都是 stream 的索引值 (index)
也就是 stream 的編號

何為索引值 (index)

一個影片會包含很多個 stream
例如視訊、音訊、字幕等

你在轉檔的時候
必須指定要使用哪一個 stream 當作來源
而 index 就像這些 stream 的編號

我們試著執行以下指令 ffmpeg -i file1.mp4 -i file2.mp4 -i file3.mp4

• 第 3 ~ 15 行是 Input #0 的資訊 ->file1.mp4
• 第 16 ~ 28 行是 Input #1 的資訊 ->file2.mp4
• 第 29 ~ 41 行是 Input #2 的資訊 ->file3.mp4

  $ ffmpeg -i file1.mp4 -i file2.mp4 -i file3.mp4
  
  Input #0, mov,mp4,m4a,3gp,3g2,mj2, from 'file1.mp4':
    Metadata:
      major_brand     : isom
      minor_version   : 512
      compatible_brands: isomiso2avc1mp41
      encoder         : Lavf58.29.100
    Duration: 00:05:00.40, start: 0.000000, bitrate: 6130 kb/s
      Stream #0:0(eng): Video: h264 (High) (avc1 / 0x31637661), yuv420p(tv, bt709), 1920x1080 [SAR 1:1 DAR 16:9], 5997 kb/s, 29.97 fps, 29.97 tbr, 30k tbn, 59.94 tbc (default)
      Metadata:
        handler_name    : MP4 Video Media Handler
      Stream #0:1(eng): Audio: aac (LC) (mp4a / 0x6134706D), 48000 Hz, stereo, fltp, 125 kb/s (default)
      Metadata:
        handler_name    : MP4 Sound Media Handler
  Input #1, mov,mp4,m4a,3gp,3g2,mj2, from 'file2.mp4':
    Metadata:
      major_brand     : isom
      minor_version   : 512
      compatible_brands: isomiso2avc1mp41
      encoder         : Lavf58.29.100
    Duration: 00:05:00.50, start: 0.000000, bitrate: 6346 kb/s
      Stream #1:0(eng): Video: h264 (High) (avc1 / 0x31637661), yuv420p(tv, bt709), 1920x1080 [SAR 1:1 DAR 16:9], 6212 kb/s, 29.97 fps, 29.97 tbr, 30k tbn, 59.94 tbc (default)
      Metadata:
        handler_name    : MP4 Video Media Handler
      Stream #1:1(eng): Audio: aac (LC) (mp4a / 0x6134706D), 44100 Hz, stereo, fltp, 125 kb/s (default)
      Metadata:
        handler_name    : MP4 Sound Media Handler
  Input #2, mov,mp4,m4a,3gp,3g2,mj2, from 'file3.mp4':
    Metadata:
      major_brand     : isom
      minor_version   : 512
      compatible_brands: isomiso2avc1mp41
      encoder         : Lavf58.29.100
    Duration: 00:05:00.60, start: 0.000000, bitrate: 6086 kb/s
      Stream #2:0(eng): Video: h264 (High) (avc1 / 0x31637661), yuv420p(tv, bt709), 1920x1080 [SAR 1:1 DAR 16:9], 5952 kb/s, 29.97 fps, 29.97 tbr, 30k tbn, 59.94 tbc (default)
      Metadata:
        handler_name    : MP4 Video Media Handler
      Stream #2:1(eng): Audio: aac (LC) (mp4a / 0x6134706D), 44100 Hz, stereo, fltp, 125 kb/s (default)
      Metadata:
        handler_name    : MP4 Sound Media Handler

• 三個 input
  • 第 3 行 Input #0 代表第 1 個 input (file1.mp4)
  • 第 16 行 Input #1 代表第 2 個 input (file2.mp4)
  • 第 29 行 Input #2 代表第 3 個 input (file3.mp4)
• 六個 index
  • 第 10 行 Stream #0:0 代表第 1 個 input 的第 1 個 stream (file1 的 video)
  • 第 13 行 Stream #0:1 代表第 1 個 input 的第 2 個 stream (file1 的 audio)
  • 第 23 行 Stream #1:0 代表第 2 個 input 的第 1 個 stream (file2 的 video)
  • 第 26 行 Stream #1:1 代表第 2 個 input 的第 2 個 stream (file2 的 audio)
  • 第 36 行 Stream #2:0 代表第 3 個 input 的第 1 個 stream (file3 的 video)
  • 第 39 行 Stream #2:1 代表第 3 個 input 的第 2 個 stream (file3 的 audio)

聰明的你有沒有發現～
index 是從 0 而不是 1 開始編號呢？

• 0 代表第一個
• 1 代表第二個
• 2 代表第三個
• …以此類推

所以 0:5 就是我要取第 1 個 input 的第 6 個 stream 的意思
3:1 就是我要取第 4 個 input 的第 2 個 stream 囉

關於 index 還有另一種寫法～
就是加上 stream 的種類:

• v 代表 video
• a 代表 audio
• s 代表 subtitle

範例

• 1:a: 第 2 個 input 的所有 audio stream
• 3:s:4: 第 4 個 input 的第 5 個 subtitle stream

所以在我們上面的案例中:
你可以把 [0:0][0:1][1:0][1:1][2:0][2:1]
改成 [0:v][0:a][1:v][1:a][2:v][2:a]
或是 [0:v:0][0:a:0][1:v:0][1:a:0][2:v:0][2:a:0]

雖然它們三者結果相同，但意義不同!!!
舉個例子來說:

• 2:1 是第 3 個 input 的第 2 個 stream
• 2:a 是第 3 個 input 的所有 audio stream (此案例剛好也只有一個 audio stream)
• 2:a:0 是第 3 個 input 的第 1 個 audio stream

加 LOGO

同事除了串接的需求
影片全程也要加上 Logo

因為我沒有美感，不清楚 Logo 要怎麼擺
所以請同事做一張 1920x1080 (與影片尺寸相符) 且帶透明的 .png
直接先把 Logo 的位置和大小給定住
我轉檔的時候就直接蓋上去

指令如下

ffmpeg -i file1.mp4 -i file2.mp4 -i file3.mp4 -i logo.png^
-filter_complex "[0:v][0:a][1:v][1:a][2:v][2:a]concat=n=3:v=1:a=1[v][a];^
[v][3:v]overlay=x=0:y=0[vlogo]"^
-map "[vlogo]" -map "[a]" output_logo.mp4

解釋一下指令意思

• 第一行: 三個影片和一個 logo 的檔名
• 第二行: 把 [0:v][0:a][1:v][1:a][2:v][2:a] 映射到 [v] 和 [a]
• 第三行:
  • 把 [v][3:v] 映射到 [vlogo]
  • overlay=x=0:y=0: logo 的 x 和 y 位置都是 0
• 第四行: 把 [vlogo] 和 [a] 映射到 output_logo.mp4

參考資料

• Concat - FFmpeg Filters Documentation
• Concatenate – FFmpeg wiki
• Map – FFmpeg wiki
• h.264 - How to concatenate two MP4 files using FFmpeg? - Stack Overflow
• FFMPEG Video Concat and Overlay - Super User